ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2559

Transkripsi

1 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2559 USULAN ALOKASI PENYIMPANAN PRODUK BERDASARKAN KEBIJAKAN CLASS BASED STORAGE DAN PENENTUAN METODE ROUTING MENGGUNAKAN ALGORITMA DYNAMIC PROGRAMMING UNTUK MEMINIMASI DELAY TIME PADA PROSES ORDER PICKING DI GUDANG SEMI FINISHED GOOD PT. XYZ DESIGN OF STORAGE ALLOCATION BASED ON CLASS BASED STORAGE POLICIES AND DETERMINING ROUTING METHOD USING DYNAMIC PROGRAMMING ALGORITHM TO MINIMIZE DELAY TIME OF PICKING PROCESS IN SEMI FINISHED GOOD WAREHOUSE (STUDY CASE : PT.XYZ) Dicky Abrian Setiyanto 1, Agus Kusnayat 2, Widia Juliani 3 1, 2, 3 Program Studi Teknik Industri, Fakultas Rekayasa Industri, Telkom University dickyabrians@student.telkomuniversity.ac.id, aguskusnayat17@gmail.com, widiajuliani@yahoo.com Abstrak PT. XYZ merupakan sebuah perusahaan tekstil yang memproduksi kain serta menjadi penyedia global fashion dan corporate apparel. PT. XYZ memiliki gudang semi finished good atau gudang greige. Pada gudang semi finished good, produk yang disimpan berupa kain polos yang telah melalui proses weaving. Lokasi PT. XYZ berada di Kota Cimahi. Sistem penyimpanan produk pada gudang semi finished good PT. XYZ masih dilakukan secara acak dengan cara mencari tempat penyimpanan yang kosong tanpa memperhatikan karakteristik dari masing-masing produk kain yang akan disimpan. Hal ini berdampak pada tingginya waktu siklus dan tidak tercapainya waktu target yang telah ditetapkan oleh perusahaan itu sendiri terutama pada proses storing dan picking. Delay itu disebabkan oleh tingginya waktu pencarian lokasi kain. Untuk menangani masalah delay yang terjadi pada gudang semi finished good PT. XYZ, diusulkan dengan merancang usulan alokasi penyimpanan produk berdasarkan kebijakan class based storage serta penentuan slotting dan zonafikasi. Langkah awal dari penelitian ini adalah dengan mengidentifikasi penyebab delay menggunakan diagram fishbone. Setelah itu mengklasifikasikan produk menggunakan FSN analysis. Tahap akhir dari penelitian ini adalah melakukan simulasi picking list serta menentukan rute terpendek menggunakan algoritma dynamic programming untuk membandingkan kondisi eksisting dengan kondisi usulan setelah penelitian ini selesai. Berdasarkan hasil perbandingan antara kondisi eksisting dan kondisi usulan, didapatkan penurunan waktu delay sebesar 351,33 detik lebih rendah dari kondisi eksisting. Kata Kunci : FSN Analysis, Warehouse Slotting, Dynamic Programming. Abstract PT. XYZ is a company that produces fabrics and being a global supplier of fashion and corporate apparel. PT. XYZ has a semi finished good warehouse or greige warehouse as they said. In semi finished good warehouse, the product that stored in the warehouse is a plain fabric that has been through the weaving process. PT. XYZ has located in Cimahi. Product storage system in semi finished good warehouse is still done randomly by searching for empty storage without considering the characteristic of the product that will be stored. And the impact is the cycle time has being high as well and the company cannot reach the target of the company, especially in the storing and picking process. Delay was caused by the high search of product location time. To solve the problem of delay that occurs in PT. XYZ s semi finished good warehouse, is proposed by designing proposed product storage allocations based on class based storage policies as well as determination of slotting and zonafication. The first step of this research is identifying the cause of delay using value stream mapping. After that, classify the product using FSN analysis. The final step is to simulate the picking list and determine the shortest route using dynamic programming algorithm to compare actual condition with the proposed condition after this research is done. Based on comparasion of actual condition and proposed condition, the delay time has decreased by 351,33 seconds lower than the actual condition. Keywords : FSN Analysis, Warehouse Slotting, Dynamic Programming

2 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Pendahuluan PT. XYZ merupakan sebuah perusahaan tekstil yang memproduksi kain serta menjadi penyedia global fashion dan corporate apparel. Penyimpanan secara random atau produk disimpan berdasarkan slot yang kosong menyebabkan waktu siklus setiap proses yang terjadi di gudang menjadi rendah jika dibandingkan dengan waktu standar yang telah ditentukan oleh perusahaan. Hal tersebut dapat dibuktikan dengan data waktu proses penyimpanan dan pengambilan barang pada gudang semi finished good di bawah ini : Proses Recieving Storing Picking Shipping Waktu Siklus ( detik ) 302,00 413,67 773,50 210,87 Target Waktu ( detik ) Gambar 1. Perbandingan Waktu Siklus dan Waktu Standar Dari data diatas juga dapat disimpulkan bahwa ada masalah pada proses storing dan picking karena memiliki waktu siklus yang lebih tinggi dari waktu standar yang telah ditentukan perusahaan dan proses picking adalah proses dengan gap waktu tertinggi antara waktu siklus dan waktu standarnya yaitu sebesar 226,04 detik. Untuk mengetahui setiap rincian aktivitas yang memberikan kontribusi terbesar pada aktivitas picking, berikut dijabarkan secara rinci beberapa aktivitas yang ada pada proses picking di gudang semi finished good PT. XYZ : Gambar 2. Data Kontribusi Pada Proses Order Picking Pada Gambar diatas dapat kita lihat bahwa proses pencarian lokasi produk memiliki presentase kontribusi tertinggi yaitu sebesar 58% dari keseluruhan proses pengambilan. Aktivitas pencarian lokasi produk ini disebabkan oleh kebijakan perusahaan dalam penyimpanan barang yang dilakukan secara random dan dapat mempengaruhi operator dalam proses pencarian lokasi produk.

3 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Metodologi Penelitan Waktu Siklus Identifikasi Penyebab ( Delay Time ) FSN Analysis Klasifikasi Komponen Dimensi Produk Warehouse Slotting Dimensi Pallet Perhitungan Travel Distance Persediaan Rata-rata Zonafikasi Berdasarkan ZABRLS ( Zone, Aisle, Bay, Rack, Level, Slot ) Penentuan Rute Terpendek Usulan Alokasi Penyimpanan Produk Analisis, Kesimpulan, dan Saran Gambar 3. Metode Konseptual Waktu baku dan proses bisnis existing akan digunakan untuk mencari akar masalah yang ada di gudang Semi Finished Good PT. XYZ. Untuk mencari akar masalah digunakan Value-Stream Mapping ( Current State ) pada gudang Semi Finished Good PT. XYZ. Setelah akar masalah ditemukan, maka langkah selanjutnya adalah mengklasifikasikan setiap produk berdasarkan FSN Analysis. Kelas F untuk produk fast moving, kelas S untuk produk slow moving, dan kelas N untuk produk non moving. Untuk melakukan FSN Analysis dibutuhkan data average stay dan consumption rate yang didapatkan dari data delivery order dan data stok produk. Penataan dan pengalokasian produk dilakukan setelah produk diklasifikasikan dalam kelasnya masing-masing. Selanjutnya adalah penentuan slot untuk setiap kelasnya untuk menentukan kapasitas produk dalam satu slot dan menghitung jumlah slot yang dibutuhkan untuk menyimpan produk. Setelah menentukan slot untuk tiap kelasnya, langkah selanjutnya yaitu menentukan travel distance pada setiap lokasi penyimpanan yang fungsinya untuk menentukan slot yang memiliki waktu pengambilan paling rendah sehingga prioritas tertinggi akan diletakan pada slot dengan waktu pengambilan paling rendah. Selanjutnya adalah pengaturan zonafikasi produk yang mengatur dimana kelas tersebut akan disimpan. Pengaturan zonafikasi ini membutuhkan data dimensi rak, jumlah rak, layout rak, dimensi slot, dan jumlah slot. Setelah adanya usulan perbaikan, peneliti melakukan perbandingan antara kondisi existing dengan kondisi usulan dengan cara menghitung waktu delay antara kondisi existing dengan kondisi usulan. Pembuatan rancangan Value Stream Mapping ( Future State ) juga dibuat untuk mengetahui apakah masalah pada kondisi existing sudah diselesaikan. Setelah itu, untuk menentukan alokasi yang optimal dilakukan dengan algoritma dynamic programming sehingga rata-rata travel time menjadi minimum. Terakhir adalah penarikan kesimpulan dan saran dari hasil penelitian yang telah peneliti lakukan. 2.1 Analisis FSN FSN analysis bertujuan untuk mengelompokkan item berdasarkan gerakan dari persediaan. Item diklasifikasikan menjadi fast moving (F), slow moving (S), dan non-moving (N) dengan mempertimbangkan average stay dan consumption rate. Item dapat diklasifikasikan ke dalam fast moving jika memiliki average stay yang rendah dan consumption rate yang tinggi. Langkah-langkah FSN : - Menghitung Average Stay

4 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Menghitung Consumption Rate - Bandingkan hasil Average Stay dengan Consumption Rate Tahap terakhir dalam mengklasifikasikan produk berdasarkan FSN analysis yaitu, menggabungkan klasifikasi FSN berdasarkan average stay dengan klasifikasi FSN berdasarkan consumption rate berdasarkan matriks FSN yang dapat dilihat pada Tabel dibawah. AVERAGE STAY CONSUMPTION RATE FINAL FSN F F F F S F F N S S F S S S S S N N N F S N S N N N N - FSN Threatment Untuk masing-masing kelas dalam FSN, akan dilakukan threatment berbeda berdasarkan tingkat consumption rate. Misal, meskipun terdapat dua SKU yang memiliki kelas yang sama, kedua SKU tersebut akan mendapatkan perlakuan yang berbeda-beda dengan melihat consumption rate. Contoh perhitungan FSN threatment dapat dilihat pada tabel di bawah ini: SKU AVERAGE STAY CONSUMPTION RATE FSN CLASIFICATION TR F N S modif N N N HP S S S HP S S S HP F N S HP F F F HP F F F HP F F F HP F F F HP F S F... LP N N N T TR F N S T TR S N N T TR F N S T TR N N N T TR N N N T TR S N N T TR S N N T TR N N N T TR N N N 2.2 Warehouse Slotting Pada usulan perancangan perbaikan, digunakan klasifikasi produk berdasarkan FSN. Produk-produk yang telah diklasifikasikan kemudian dilakukan slotting berdasarkan kelasnya. Setiap slot jenis produk yang berbeda-beda. Berikut merupakan contoh perhitungan kapasitas untuk produk kategori food untuk SKU TR yaitu: - Menghitung jumlah unit yang disimpan tiap periode

5 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Menghitung jumlah kain yang disimpan pada setiap slot

6 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Zonafikasi Rak Penyimpanan Proses ini merupakan proses perbaikan yang bertujuan untuk memudahkan operator dalam melaksanakan proses operasional pada gudang PT XYZ. Pada proses ini dilakukan penentuan area penyimpanan pada rak, dalam menenukan area tersebt diperlukan zonafikasi yang bertujuan untuk menyimpan produk berdasarkan pendekatan analisis yang telah dilakukan yaitu analisis FSN. Pemberian label atau kodefikasi dilakukan berdasarkan ZABRLS yaitu singkatan dari Zone, Aisle, Bay, Rack, Level, Slot. Berikut merupakan proses zonafikasi pada rak untuk penyimpanan SKU TR GR Gambar 4. Kode Penyimpanan Produk 2.4 Penentuan Rute Terpendek Menggunakan Algoritma Dynamic Programming Algoritma Dynamic Programming adalah teknik yang sangat ampuh untuk menyelesaikan atau memecahkan masalah tertentu seperti travelling saleman problem pada proses travelling karena dynamic programming memiliki rumusan pendekatan yang elegan dan pemikiran yang sederhana sehingga metode ini sangat mudah untuk digunakan ]. Dynamic programming merupakan sebuah model matematis yang dirancang secara prosedural dengan tujuan dapat melakukan membagi-bagi masalah hingga dalam bentuk yang lebih kecil. Inti dari pemikiran ini adalah jika anda telah memecahkan masalah dengan masukan yang diberikan, maka simpan hasilnya untuk referensi di kemudian hari agar anda tidak menyelesaikan masalah yang sama lagi. Jika masalah yang diberikan dipecahkan dalam sub-masalah yang lebih kecil dan sub-masalah yang lebih kecil ini akan tetap menjadi sub-masalah yang lebih kecil lagi. Dalam proses ini, jika anda mengamati beberapa sub-masalah yang banyak, maka itu akan menjadi petunjuk besar untuk menggunakan dynamic programming ini. Selain itu, solusi optimal untuk sub-masalah akan berkontribusi pada solusi optimal dari keseluruhan masalah yang diberikan. Untuk menghasilkan waktu pencarian lokasi kain usulan yang diperbaiki menggunakan algoritma dynamic programming adalah dengan melakuan simulasi order picking menggunakan LINGO dari 3 buah picking dengan masing-masing titik picking yang telah ditentukan dengan simulasi Monte Carlo Berikut merupakan hasil dari simulasi menggunakan LINGO. Gambar 5. Hasil Simulasi Menggunakan LINGO 3. Pembahasan 3.1 Klasifikasi FSN FSN analysis bertujuan untuk mengklasfikasikan produk berdasarkan kelas dari masing-masing produk. Metode ini mengklasifikasikan produk menjadi 3 kelas yaitu F ( fast moving ), S ( slow moving ), N ( non moving ). Berikut merupakan hasil dari FSN analysis.

7 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2565 Kelas Jumlah SKU Keterangan F 24 Kelas F atau fast moving merupakan kelas yang diisi oleh SKU dengan consumption rate terbesar dan average stay terkecil. SKU yang masuk kedalam kelas F akan ditempatkan pada lokasi yang mudah dijangkau oleh operator dalam waktu yang singkat S 54 Kelas S atau slow moving akan ditempatkan pada lokasi yang lumayan mudah dijangkau oleh operator dalam waktu yang lumayan singkat N 111 Kelas N atau non moving merupakan kelas yang diisi oleh SKU dengan consumption rate terkecil dan average stay terbesar sehingga SKU ini akan ditempatkan pada lokasi yang susah dijangkau oleh operator dan dapat ditempuh dalam waktu yang paling lama 3.2 Analisis Kondisi Aktual Dengan Kondisi Usulan Dengan melakukan rancangan usulan perbaikan, waktu delay dapat dikurangi karena disebabkan oleh pengurangan waktu pencarian lokasi pada aktivitas storing dan order picking. Berikut merupakan perbandingan waktu proses di gudang semi finished good PT. XYZ. Recieving ( detik ) Storing ( detik ) Picking Shipping ( detik ) ( detik ) Kondisi Eksisting 302,00 413,67 773,50 210,87 Kondisi Usulan 153,42 326,14 509,7 122,2 Gap - 87, ,803 - Pada data diatas menjelaskan bahwa adanya perbedaan antara kondisi eksisting dan kondisi usulan. Terlihat bahwa terjadi perubahan pada proses storing dan picking yang disebabkan oleh adanya usulan perbaikan dimana pada proses storing memiliki penurunan sebesar 87,53 detik dan pada proses picking memiliki penurunan sebesar 263,8 detik. Hal ini terjadi karena waktu delay yang terjadi sebelumnya telah mengalami penurunan. Berikut merupakan perbandingan target waktu dan waktu siklus setelah usulan.. Recieving Storing Picking Shipping Target Waktu ( detik ) Waktu Siklus ( detik ) 153,42 326,14 509,7 122,2 Dari data diatas dapat dilihat bahwa adanya penurunan waktu delay sebesar 351,33 detik dan dengan adanya perubahan ini, dapat disimpulkan bahwa kinerja pada gudang semi finished good PT. XYZ dapat ditingkatkan.

8 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Kesimpulan Kesimpulan dari penelitian ini adalah penurunan delay time sebesar 351,33 detik dan kinerja pada gudang semi finished good PT. XYZ menjadi lebih optimal. Referensi : Adhitya, A. V. (2014). Troli Pengikut Otomatis Berbasis Mikrokontroler AVR. Widya Teknik, 1. Fajriyanti, G. O., Ridwan, A. Y., Santosa,B. (2016). Design of Storage Allocation at Machine Spare Part Warehouse Using Class Based Storage Policy to Reduce Delay Time at PT. EFG. Bandung. Telkom University. Francis, R. L. (1992). Facility Layout and Location, An Analitycal Approach. New Jersey: Prentice Hall. Frazelle, E. H. (2002). World Class Warehousing and Material Handling. New York: Mc-Graw-Hill. Hines, P. H., & Rich, N. (2004). Learning to Evolve: A Review of Contemporary Lean Thinking. International Journal of Operations & Production Management. Icun, H. Y. (2006). Business Concept Implementation : In Sales & Ditribution. Jakarta: Elex Media. IOMA. (2002). The IOMA Handbook of Logistics and Inventory Management. New York: John Wiley & Sons, Inc. Marchelina, E., Ridwan, A. Y., Santosa, B. Design of Storage Allocation to Reduce Delay Time For PUMA Program by Using Dedicated Storage at Tools Crib 500T PT. EFG. Bandung. Telkom University Mulcahy, D E. (1994). Warehouse Distribution and Operation Handbook. McGraw-Hill Education. Nash, M. A., & Poling, S. R. (2008). Mapping The Total Value Stream. New York: Taylor & Francis Group. Richards, G. (2014). Warehouse Management : A Complete Guide To Improving Efficiency And Minimizing Costs In The Modern Warehouse. United States. Singhal, Dr. Abha (2016). Travelling Salesman Problem By Dynamic Programming Algorithm. International Journal of Scientific Engineering and Applied Science (IJSEAS) Sutalaksana, I. Z. (1997). Perancangan Sistem Kerja. Bandung: Departemen Teknik Industri ITB. Taha, H. A. (1996). Operations Research. New Jersey: Prentice Hall. Timilsina, P. dan Khanal, R. (2016). Spare Parts Management in Heavy Equipment Division (HED), Department of Roads. European Journal of Advances in Engineering and Technology,